机器学习算法之卷积神经网络_第1页
机器学习算法之卷积神经网络_第2页
机器学习算法之卷积神经网络_第3页
机器学习算法之卷积神经网络_第4页
机器学习算法之卷积神经网络_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、卷积神经网络卷积神经网络(CNN)(CNN)机器学习与模式识别算法之机器学习与模式识别算法之 OutlinesOutlines：1 1、基本思想，原理，具体过程及算法、基本思想，原理，具体过程及算法2 2、相关实验及优缺点分析与应用场合、相关实验及优缺点分析与应用场合3 3、相关改进算法、相关改进算法CNN应用场景应用场景classificationRegressionCNN应用场景应用场景Image ProcessingArchitecture OverviewDeepFace:CNN for Face Recognition11Taigman et. al 2014 DeepFace: C

2、losing the Gap to Human-Level Performance in Face Verification卷积层(Convolutional) + 采样层(Pooling) + 全连接层(Fully-connected)特征提取特征提取简单神经网络层简单神经网络层卷积层卷积层(Convolutional Layer)(a)局部感受野局部感受野(局部连接局部连接)(b)神经元激活方式神经元激活方式卷积层卷积层(Convolutional Layer)(a)blur(b)edge detect采样层采样层(Pooling Layer)下采样下采样BN(Batch Normaliz

3、ation) Layer关于数据预处理Batch NormalizationPCA whiten & ZCA whitenPCA whitenZCA whiten数据各维度方差为1使得白化后数据更接近原始数据分布Batch NormalizationIoffe S, Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate ShiftJ. Computer Science, 2015.Why CNN works?1.多层卷积层提取全局、细节、多尺度抽象特征2.双隐层神经网络彻底实现复杂分类3.端到端自动学习，无需手动提取特征卷积层学习到了什么？卷积层学习到了什么？浅层学习到特征多为低频信息：如Layer 1低频颜色信息， Layer 2学习得颜色和边缘混合信息卷积层学习到了什么？卷积层学习到了什么？Layer 3 学习多为图像全局信息，且具有较强区分性卷积层学习到了什么？卷积层学习到了什么？Laye

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论